- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于ID3决策树改进算法稿刊研究
基于ID3决策树改进算法稿刊研究
摘要:在科研工作者的科研活动中,发表论文是其中非常重要的部分。论文承载着科研工作者的研究成果,只有发表在出版物上,才能得到世人的认可。现有稿刊推荐研究的推荐结果少,而且推荐结果的准确度不高,投稿人很难从推荐结果中发现适合投稿的期刊。鉴于此,提出利用改进的ID3决策树算法对期刊与稿件相关度进行分类建模,利用得到的分类规则为投稿人推荐合适期刊的方法。实验结果表明,基于ID3决策树改进算法的稿刊推荐方法推荐准确率较高。
关键词:稿刊推荐;数据挖掘;ID3算法;多值逻辑;KMeans聚类
DOIDOI:10.11907/rjdk.171695
中图分类号:TP312文献标识码:A文章编号2017)010004205
0引言
稿刊推荐是向有投稿需求的科研工作者推荐适合其投稿的期刊。国外关于出版物与稿件的研究主要有两个方面:推荐与科研工作者研究领域相符的文献[12];推荐与科研工作者稿件研究领域相符的出版物[38]。Luong Hiep、Klamma R、Luong H等[34]通过社交网络的方法,探索网络中与稿件作者在同一个研究领域内的其他稿件作者所出版过的刊物;2015年,Medvet Eric、Bartoli Alberto[5]建立期刊查询系统,通过稿件标题和摘要进行期刊推荐;2015年,Anas Alzoghbi[6]提出将研究者简介作为多元线性回归问题的模型,利用元数据实现有效的出版物推荐;2016年,Tran Hung Nghiep、Huynh Tin[7]使用研究人员引用的出版物构建数据样本,进行出版物推荐。国内关于稿刊推荐的研究方法,主要是建立稿件与期刊研究方向的关系。2014年,徐镇[9]提出基于垂直搜索引擎的论文投稿推荐系统研究;2014年,秦臻等[10]提出基于合著作者网络的期刊推荐方法;2015年,王亮等[11]提出基于主题模型文本挖掘的期刊推荐方法,大大提升了期刊推荐的准确度。
上述出版物推荐方法为有投稿需求的用户提供了方便,但也存在不足之处,总结如下:
(1)现有出版物推荐方法数据样本有限。已有的推荐方法是建立与稿件作者具有合著关系的稿件作者关系网,这样导致推荐结果的数量少,有可能科研工作者真正需要的出版物并不包含在其中。
(2)现有出版物推荐方法没有考虑出版物与稿件的关联度。现有推荐方法没有量化推荐的出版物与稿件的研究方向是否一致,没有考虑出版物与稿件的质量是否相符。如果推荐的出版物质量与稿件质量不符合,稿件很难成功出版。
(3)现有出版物推荐方法不适合没有投稿经验的科研工作者。基于社交网络的出版物推荐方法是建立与稿件作者具有合著关系的作者关系网。没有投稿经历的科研工作者无法得到合著关系网,也就无法得到推荐结果。
1材料与方法
分析整理JCR(Journal Citation Reports)中所有的SCI(Science Citation Index)期刊数据,建立期刊数据库。利用多值逻辑理论改进传统ID3算法,并利用改进后的ID3决策树算法,对期刊数据样本分类,提取分类规则,然后按照提取的分类规则进行稿刊推荐。
1.1ID3算法分析
1966年,Hunt E B在概念学习系统CLS(Care Life of Science)[12]中首次应用了决策树方法,是决策树发展的基础;1975年,J.Ross Quinlan提出了一个决策树算法,称作ID3算法[13],后来的决策树算法都是在ID3算法基础上得到的。ID3算法利用信息增益[14]的度量标准选择结点属性,算法学习能力较强,适合处理大规模数据。ID3算法原理简单易懂,可以生成易于理解的分类规则,而且算法的分类速度快[15]。但ID3算法也有自身缺陷:对连续型数据无法处理,对属性值缺失的数据也难以解决;在选择信息增益时,一般选择取值较多的属性。
针对ID3算法的不足及本研究需要,现从以下两个方面加以改进:
(1)连续属性离散化。因为ID3算法无法处理连续型变量,但期刊与论文相关度的数据样本中,数据属性是连续型数据,如期刊刊登范围与论文研究方向相关度、5年影响因子和载文量。
(2)确定属性取值。一般决策树算法处理数据集的类别属性是布尔类型的数据,只有是与否的对立情况,但在现实生活中两个对立的取值并不能解决问题。由于原有的ID3算法中决策属性的取值个数不一,造成分类后的决策树分类不均,会产生异常点或孤立点。
1.2多值逻辑对ID3算法的改进
多值逻辑是一种非经典的逻辑系统。在经典逻辑中,每个命题取值为真或假。在客观世界中,有些事物无法由二值逻辑描述,于是产生了多值逻辑[16]。多值逻辑指一切
文档评论(0)